摘要 根据2001～2011年西安地区小麦主要病虫害总发生面积，选取对应年有关气象资料，利用相关统计分析方法，确定关键气象因子，采用模糊数学原理对西安地区小麦病虫害发生程度进行分析预测，建立了简单易行，适于基层推广使用的模糊数学预测模型。结果表明，该模型预测效果较好，且历史拟合率极高，具有较强的实用价值。

关键词 西安；小麦病虫害；气象因素；模糊数学

中图分类号 S512.1 文献标识码 A 文章编号 0517-6611（2014）11-03268-03

Abstract According to the main diseases and insect pests occurrence area of wheat in Xi "an from 2001 to 2011， selecting corresponding years relevant meteorological data， using the relevant statistical analysis method， the key meteorological factors were determined. By using fuzzy mathematics principle， the wheat plant diseases and insect pests occurrence degree in Xi "an were analyzed and predicted， a fuzzy prediction model suitable for grassroots was established. The results showed that the model prediction effect is good， and the historical fitting rate is extremely high， has strong practical value.

Key words Xi "an； Wheat plant diseases and insect pests； Meteorology； Fuzzy mathematics

气象条件是影响农作物病虫害的主要因子，可以通过不同数理统计的预测方法建立病虫害预测模型[1-5]来指导农业生产。但目前这些方法的应用多侧重于单一病害或虫害的研究，肖志强等[6]采用回归模型预测陇南山区小麦蚜虫发生程度，司丽丽等[7]应用Fisher判别准则模型预测了河北省小麦白粉病的发生情况，刘伟昌等[8]应用灰色关联分析、模糊数学等方法对河南省小麦条锈病的气象等级预测，张瑞英[9]采用方差分析周期外推法对小麦条锈病进行超长期预测，张映梅等[10]应用人工神经网络预测小麦等作物病虫害发生情况，而对多时段和多种病虫害的总趋势研究偏少。

笔者根据2001～2011年西安地区小麦主要病虫害总发生面积和相关气象资料，采用模糊数学原理[11-12]对病虫害发生程度进行了分析预测，效果良好，为及早预测、准确防治提供科学依据。

1 资料来源与研究方法

西安地区小麦主要病虫害总发生面积包含条锈病、赤霉病、白粉病、蚜虫、红蜘蛛病虫的发病面积，资料来自于西安市植保站，序列为2001～2011年共11年；气象资料选取西安市气象局7个区县地面气象观测站相应时段冬前全年和冬后1～5月共计51旬和逐月的气温、降水、相对湿度、日照资料，资料用7个区县气象观测站的平均值代替。利用DPS多元分析——相关分析法[13]，计算与冬小麦病虫害发生面积的相关系数，选出与发病面积相关显著的关键气象因子，然后再精选出具有明显植物生理学、病理学意义、能够互相弥补、综合预报能力较高的5个气象因子。采用等差分级方法给出小麦病虫害发生程度预测标准，应用模糊数学分析方法研究病虫害发生有关的气象因子客观预报方法，建立病虫害气象预报模型。

2 结果与分析

2.1 影响小麦病虫害主要气象因子（xi）的确定

虽然影响小麦病虫害发生程度的因素较多，但在耕作制度基本稳定的条件下，影响其发生程度的主要因素是气象因子。利用西安市7个区县气象站的观测资料，首先初选15个气象因子，再通过相关筛选法进行精选，最终确定与小麦病虫害发生程度相关性较好的5个预报因子：X1为上年11月平均气温；X2为当年4月上旬降水量；X3为当年5月中旬降水量；X4为当年4月中旬日照；X5为当年3月上旬相对湿度。

2.2 小麦病虫害主要影响因子的分级

预测等级划分采用等差分级法确定y、Xi的分级标准（表1）。原理是预报对象y根据11年来病虫害最大和最小发生面积（表1）的极差，若按5 级分则求其等差差距。故y的5个分级等级标准分别为：1级，偏轻发生，<525.3；2级，中度偏轻发生，525.3～650.0；3级，中度发生650.0～774.7；4级，中度偏重发生，774.7～899.4；5级，偏重发生，>899.4。5个预报因子Xi的分级计算方法同y。对照表1 标准将原始数据转换成y、Xi的分级结果（表2），组建列联表（表3）。

2.3 建立预测模型及验证

2.3.1 确定模糊向量。

根据每个因子对预报对象贡献大小，赋予不同权重， 组成模糊向量X=（X1，X2，X3，X4，X5）。采用因子精选时已算出的变量Xi与y的单相关系数取其绝对值，作归一化后处理后得模糊向量Xd=（0.165 138 0.211 009 0.238 532 0.206 422 0.178 899）。结与讨论

（1）根据前期具有明显植物生理学、病理学意义的气象因子与当年冬小麦病虫害发生面积的相关分析，应用模糊数学原理，建立了切合当地实际的小麦病虫害发生程度模糊数学预测模型，应用效果较好，实用性较强。

（2）在预报模型中，加权平均求和模型不仅考虑了所有主导因子的影响， 还具有权重的意义， 避免了应用4个子模型建立综合预测模型的麻烦， 计算简单，应用效果好，适宜于基层推广。

（3）该模型结构简单，预测时效性较长。由于没有考虑影响小麦病虫害发生和流行等非气象因素，加之病虫害资料序列较短， 模型的效果还有待在实际工作中进一步检验和完善。

参考文献

[1]

程极益.病虫害数理统计预报方法[M].南京：南京农业大学出版社，1990.

[2] 张文斌，安德荣，任向辉，等.中国小麦黄矮病的发生及综合防控研究进展[J].麦类作物学报，2009， 29（2）：361-364.

[3] 陈怀亮，张弘，李有.农作物病虫害发生发展气象条件及预报方法研究综述[J].中国农业气象，2007，28（2）：212-216.

[4] 叶彩玲，霍治国，丁胜利，等.农作物病虫害气象环境成因研究进展[J].自然灾害学报，2005，14（1）：90-97.

[5] 霍治国，叶彩玲，钱拴，等.气候异常与中国小麦白粉病灾害流行关系的研究[J].自然灾害学报，2002， 11（2）：85-90.

[6] 肖志强，陈俊，樊明，等.陇南山区小麦蚜虫发生气象条件及程度预测模型[J].安徽农业科学，2009，37（33）：16419-16422.

[7] 司丽丽，姚树然，闫峰.基于Fisher判别准则的河北省小麦白粉病气象条件中期预报模型[J].中国农业气象，2013，34（3）：338-341.

[8] 刘伟昌，陈怀亮，王君，等.小麦条锈病气象等级预测方法研究[J].安徽农业科学，2008，36（27）：11830-11832.

[9] 张瑞英.小麦条锈病超长期预测[J].植物保护，2001，27（6）：13-16.

[10] 张映梅，李修炼，赵惠燕.人工神经网络及其在小麦等作物病虫害预测中的应用[J].麦类作物学报，2002，22（4）：84-87.

[11] 王信群.模糊数学在病虫害测报中的应用[J].安徽农业科学，2005，33（3）：396-396，398.

[12] 杨崇瑞，耿济国.病虫害模糊分析与预报[M].合肥：安徽教育出版社，1991.

[13] 唐启义，冯明光.使用统计分析及其DPS数据处理系统[M].北京：科学出版社，2007.

[14] 卢恩双.模糊综合评判在农业科技上的应用[J].陕西农业科学，1990（6）：40-41.

[15] 罗承忠.模糊集引论上册[M].北京：北京师范大学出版社，1989.